热点事件观察中
研究团队提出大模型闭环强化学习框架CoCA
1 篇报道1 个报道来源3 天前更新
先了解这件事
AI 综述
针对大语言模型在开放式生成任务中强化学习奖励区分度不足的问题，研究人员于2026年10月31日提出了一种名为CoCA的闭环框架。该框架通过准则级能力诊断，协同自适应演化评估标准（Rubric）与策略模型。其具体做法为对比无引导与标准引导的采样，以此校准难度失配的准则，并利用引导优化或on-policy自蒸馏来转化能力收益。多项基准测试结果显示，CoCA的性能持续优于传统基于Rubric的强化学习方法，同时能有效缓解模型的能力退化现象。
AI 根据报道生成 · 2 天前更新
最新进展10月31日 12:00
研究团队发布闭环强化学习框架CoCA，通过协同演化评估标准与策略模型优化开放式生成。报道时间线
沿着报道，了解事件的不同侧面。
10月31日
- arXiv cs.AI通过能力感知协同演化策略与 Rubric 实现开放式生成
研究人员提出 CoCA 闭环框架，通过准则级能力诊断协同自适应演化评估标准（Rubric）与策略模型，解决大语言模型开放式生成中强化学习奖励区分度不足的问题。该框架对比无引导与标准引导的采样来校准难度失配的准则，并通过引导优化或 on-policy 自蒸馏转化能力收益。多项基准测试表明，CoCA 性能持续优于传统基于 Rubric 的强化学习方法，并能有效减轻能力退化。
本事件热度走势
当前热度 3·可比范围峰值 7（11月1日 03:00）·近 24 小时可比范围变化 -49%
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。